Sistemas recomendados basados en aprendizaje profundo

Importante

El entorno de ejecución de IA para tareas de nodo único está en versión preliminar pública. La API de entrenamiento distribuido para cargas de trabajo de varias GPU permanece en beta.

En esta página se proporcionan ejemplos de cuadernos para crear sistemas de recomendación mediante AI Runtime. Estos ejemplos muestran cómo crear modelos de recomendación eficaces mediante enfoques modernos de aprendizaje profundo.

Tutorial	Descripción
Modelo de recomendación de dos torres	Aprenda a convertir los datos de recomendación en formato de partición de datos de mosaico (MDS) y, a continuación, use esos datos para crear un modelo de recomendación de dos torres.

Modelo de recomendación de dos torres

Estos cuadernos muestran cómo convertir los datos de recomendación en formato de partición de datos de mosaico (MDS) y, a continuación, usar esos datos para crear un modelo de recomendación de dos torres. Este enfoque es especialmente eficaz para los sistemas de recomendación a gran escala.

Preparación de datos: Conversión del conjunto de datos del modelo de recomendación en formato MDS

En primer lugar, convierta el conjunto de datos de recomendación en el formato MDS para una carga eficaz de datos:

Conversión de datos

Obtener el cuaderno

Entrenamiento del modelo: modelo de recomendación de dos torres mediante PyTorch Lightning

Entrene el modelo del recomendador de dos torres mediante el conjunto de datos preparado y la API de PyTorch Lightning Trainer en varios nodos de GPU (GPU A10 o H100).

Recomendador de PyTorch

Obtener el cuaderno